L'intérêt des simulations multi-agents : l'exemple de METROPOLIS2 et la ZFE de Paris
Lucas Javaudin
LVMT, Institut Polytechnique de Paris
Club Mobilités FNAU – 5 juin 2026
Simulateurs de transport multi-agents
- 1 individus = 1 agent → entité autonome avec ses propres préférences / décisions
- Population synthétique avec chaînes d'activités
- Choix de mode, d'heure de départ, de route
- Congestion dynamique mesoscopique (bottleneck)
- Exemples : MATSim, SimMobility, METROPOLIS2
Données entrantes : Population synthétique
- Population fictive de ménages et personnes, générés pour être représentatifs d’une population (Hörl & Balac, 2021)
- Combinaison de données : recensement, EGT / EMC², SIRET, BDTOPO
-
Exemple de ménage :
- ID: 19
- Nombre de voitures : 1
- Nombre de vélos : 3
- Revenu moyen : 11 865 €
Données entrantes : Population synthétique
Personnes
| ID | Âge | Genre | Classe professionnelle |
|---|---|---|---|
| 34 | 51 | Homme | Employé |
| 35 | 48 | Femme | Cadre |
| 36 | 17 | Homme | Étudiant |
| 37 | 14 | Femme | Étudiant |
Déplacements
| ID | Personne | Motif précédent | Motif suivant | Durée d'activité |
|---|---|---|---|---|
| 133 | 34 | Domicile | Travail | 06:35:00 |
| 134 | 34 | Travail | Domicile | |
| 135 | 35 | Domicile | Travail | 08:03:00 |
| 136 | 35 | Travail | Domicile | |
| 137 | 36 | Domicile | Éducation | 06:55:00 |
| 138 | 36 | Éducation | Domicile | |
| 139 | 36 | Domicile | Loisir | 01:25:00 |
| 140 | 36 | Loisir | Domicile | |
| 141 | 37 | Domicile | Éducation | 07:10:00 |
| 142 | 37 | Éducation | Domicile |
Données entrantes : OpenStreetMap & GTFS
- Le réseau routier est importé depuis OpenStreetMap
- Les horaires de transports en commun sont lus depuis des fichiers GTFS
Processus de décision
- Choix de mode : modèle Logit multinomial
- Choix de l'heure de départ : modèle Logit continu
- Choix de route : itinéraire le plus rapide
- Calculs de surplus à partir de la formule log-somme
Modélisation de la congestion
- Goulots d'étranglements (bottleneck) : le flux de véhicules (dynamique) est limité par la capacité
- Propagation des files (spillback) : le flux de véhicules est limité par la capacité de stockage du tronçon
Processus de convergence
Un processus itératif est utilisé pour ajuster les décisions des agents jusqu’à ce que la congestion anticipée coïncide avec la congestion simulée
Calibration
| Étape | Paramètres calibrés | Valeurs cibles | Données | Méthodologie |
|---|---|---|---|---|
| 1 | Vitesse et pénalité par tronçon | Temps de trajet à vide | TomTom API | Régression LASSO |
| 2 | Capacités des tronçons | Temps de trajet avec congestion | TomTom API | Régression OLS |
| 3 | Pénalités de des-horage | Distribution des heures de départ, par cluster | Enquête transport | Opt. bayésienne avec processus gaussiens |
| 4 | Valeurs du temps et constantes par mode | Parts modales, par cluster | Enquête transport | Régression Random Forest |
Zone à faibles émissions de la Métropole du Grand Paris
- Paris et 76 communes de petite couronne
- 367 km2 (3 % de l'Île-de-France)
- 5 M d'habitants (40 % de l'Île-de-France)
- L'autoroute A86 permet de contourner la zone facilement
- Depuis janvier 2025 : les véhicules Crit'Air 3 ou pire sont interdits
- Amende de 68 € en cas de non respect
Le parc automobile d'Île-de-France
- Données sur le parc automobile au niveau communal (incluant les vignettes Crit'Air) fournies par le SDES
- Extrapolation des données pour prédire le parc automobile en 2025
- En 2025, environ 21 % des voitures de la région seraient Crit'Air 3 ou moins bien
Champs d'étude
- Île-de-France
- Déplacements d'une journée en semaine « moyenne »
- Cinq modes : voiture (conducteur), voiture (passager), transports en commun, vélo et marche à pied
- Tous motifs de déplacement
Hypothèses supplémentaires
- Mode voiture (conducteur) accessible aux possesseurs d'une voiture et du permis
- Mode voiture (passager) accessible aux possesseurs d'une voiture
- Temps de trajet transports en commun calculé avec OpenTripPlanner et les données GTFS
- Vitesse vélo : 10 km/h
- Vitesse marche à pied : 4 km/h
- 600 k déplacements camions sont simulés
| Mode | Disponibilité (réf.) | Disponibilité (ZFE) | Contrainte |
|---|---|---|---|
| Voiture (conducteur) | 53 % | 49 % | Voiture autorisée + permis |
| Voiture (passager) | 74 % | 68 % | Voiture autorisée |
| Transports en commun | 54 % | 54 % | Itinéraire faisable |
| Vélo | 100 % | 100 % | |
| Marche à pied | 100 % | 100 % |
Évaluation de la politique
-
Deux simulations METROPOLIS2 :
- Simulation de référence (calibrée) : pas de ZFE
- Simulation ZFE (contrefactuelle) : version janvier 2025 (jusqu'à Crit'Air 3)
- La comparaison des deux simulations représente l'impact de la ZFE 2025 par rapport à une situation sans ZFE
-
Limites :
- Analyse court terme : pas d'achat de véhicules, pas de relocalisation des activités ou du domicile
- Restrictions temporelles de la ZFE non prises en compte
- Exceptions et infractions non prises en compte
Résultats agrégés
| Référence | ZFE | Variation | |
|---|---|---|---|
| Surplus moyen des déplacements | -28.96 € | -29.03 € | -0.07 € |
| Temps de trajet moyen | 01:12:05 | 01:12:55 | +50s |
| Véhicules-kilomètres | 123.30 M km | 119.72 M km | -2.9 % |
Transferts modaux
| Référence / ZFE | Voiture (conducteur) | Voiture (passager) | Transports en commun | Vélo | Marche à pied | Total |
|---|---|---|---|---|---|---|
| Voiture (conducteur) | 28.6% | · | 1.4% | 0.2% | 0.3% | 30.5% |
| Voiture (passager) | · | 5.3% | 0.2% | · | · | 5.5% |
| Transports en commun | 0.4% | 0.1% | 18.4% | · | · | 18.9% |
| Vélo | · | · | · | 1.1% | · | 1.1% |
| Marche à pied | · | · | · | · | 43.9% | 43.9% |
| Total | 29.1% | 5.4% | 19.9% | 1.4% | 44.2% | 100% |
Impact sur la congestion
- Baisse de la congestion dans la zone sur les axes principaux (Boulevard Périphérique et A1 notamment)
- Peu d'effet hors de la zone
Impact sur les flux dans les transports en commun
- Hausse des flux sur la plupart des tronçons, principalement en petite couronne (nord, est, sud)
- RER A : +1.2% passagers-kilomètres
- RER B : +2.1% passagers-kilomètres
- Tramway T7 : +24.4% passagers-kilomètres
Émissions de polluants (METRO-TRACE)
- Les émissions de PM2.5 et NOx générées par le trafic routier sont calculés à partir du modèle EMISENS
- Les émissions sont une fonction de la motorisation et de l'âge des véhicules ainsi que de leur vitesse (au niveau arc)
- Les émissions diminuent plus fortement au sein de la ZFE
| Référence | ZFE | Variation | |
|---|---|---|---|
| Émissions PM2.5 | 2.83 tons | 2.66 tons | -6.0 % |
| Émissions NOx | 33.32 tons | 30.45 tons | -8.6 % |
| Émissions CO2 | 21 730 tons | 20 829 tons | -4.1 % |
Diffusion des polluants (METRO-TRACE)
- Les émissions de PM2.5 et NOx sont dispersées dans l'atmosphère par un modèle gaussien Plume
- La dispersion dépend d'un vent moyen (vers l'est, 10 km/h)
- La concentration en polluants diminue plus fortement dans la ZFE et à l'est
Exposition des populations à la pollution (METRO-TRACE)
- L'impact sur la santé est fonction de la hausse de la mortalité induite par l'exposition aux polluants, selon le niveau de concentration
- L'exposition est calculé selon la position des individus dans le temps et dans l'espace
- L'exposition diminue plus fortement vers Paris (forte concentration et forte densité de population)
| Référence | ZFE | Variation | |
|---|---|---|---|
| Décès prématurés PM2.5 | 5.9 | 5.3 | -9.4 % |
| Décès prématurés NOx | 5.4 | 4.9 | -10.1 % |
| Surplus sur la santé | -12.537 M € | -11.312 M € | -9.8 % |
Prise en compte de l'impact sur la santé : résumé
| Variation | |
|---|---|
| Véhicules-kilomètres | -2.9 % |
| Émissions de PM2.5 | -6.0 % |
| Décès prématurés PM2.5 | -9.4 % |
L'analyse en véhicules-kilomètres n'est pas suffisante :
- La baisse des véhicules-kilomètres est plus importante pour les véhicules les plus polluants
- La pollution est plus fortement réduite dans la ZFE, où la densité de population est plus forte
Impacts hétérogènes
- Impact sur la santé : entre 0 et +30 centimes par jour par personne
-
Impact sur les déplacements :
- 72 % de la population n'est pas affectée (moins de 1 centime de variation)
- 3.5 % de la population « gagne » plus de 1 € par jour
- 3.3 % de la population « perd » plus de 1 € par jour
Caractérisation des gagnants et perdants
| Gagnants | Perdants | Autres | |
|---|---|---|---|
| Critère | $\Delta \text{surplus} \geq 1$ € / jour | $\Delta \text{surplus} \leq -1$ € / jour | $|\Delta \text{surplus}| \lt 1$ € / jour |
| Variation moyenne du surplus | +2.0 € | -7.2 € | +0.0 € |
| Possession de véhicule autorisé | 97 % | 4 % | 53 % |
| Possession de véhicule non autorisé | 3 % | 96 % | 19 % |
| Longueur des déplacements | 45 km | 32 km | 15 km |
| Accès aux transports en commun | 51 % | 64 % | 85 % |
| Part modal voiture (réf.) | 79 % | 79 % | 33 % |
| Part modal voiture (ZFE) | 83 % | 1 % | 33 % |
Localisation des gagnants et perdants
- Les « gagnants » sont dispersés dans la région
- Les « perdants » sont principalement le long de la ZFE
Gagnants
Perdants
Revenus des gagnants et perdants
- Part de « gagnants » légèrement croissante avec la revenu, au niveau municipalité
- Part de « perdants » non corrélé avec le revenu, au niveau municipalité
Gagnants
Perdants